artwork

“Stoklu üretime dönmemiz gerekiyor”

2 yıl önce

0

Organon Analytics CEO’su Devrim Pamir, maliyet enflasyonu nedeniyle iş yerlerinde yaşanan birtakım sıkıntılara stoklu üretim modeliyle çözüm bulunabileceğini söylüyor ve makine öğrenmesinin bu noktada nasıl işe yarayacağını açıklıyor.

Maliyetlerimi daha iyi yönetmek istiyorum diyenler okusun, demeyenler sonraki sayfaya devam edebilir.

Ticaret yeni bir döneme giriyor.  Bu korkunç bir tespit değil, zaten her tarafta yazıyor. Yönetilmesi gereken birtakım yeni riskler gelirken, bir taraftan da fırsatlar barındırıyor. Bizim özellikle bir neslin, çok iyi tanıdığı enflasyon ortamı geri geliyor. Bu seferki farklı; sadece çok kısa zamanda bu enflasyon seviyelerine ulaştık ancak uzun süre bizimle olacağı kesin. Bir farkı daha var; bu sefer yalnız değiliz, tüm dünya enflasyonla karşı karşıya.

Bu kadar durum tespiti yeterli, şimdi sebeplerine bakalım. Bu bir maliyet enflasyonu, ham madde sıkıntısı var, iş gücü sıkıntısı var, nakliyat sıkıntısı var…

Durgunluk geliyor hallolur demeyin, durgunluk enflasyondan daha hızlı çözülecek hatta enflasyonu bir noktada yeniden harlayacak bir büyümeye dönüşebilir. Eğer sorunumuzun maliyet enflasyonu olduğu noktasında hemfikirsek, şimdi çözüme geçelim.

Anında üretim modeli, ham madde temin sıkıntıları yüzünden ortadan kalkan bir model olacak gibi duruyor. Artık stoklu üretim yapmaya dönmemiz gerekiyor.

Stok iki türlü olabiliyor. Birincisi sizlerin depolarında dağıtılmayı bekleyen, ikincisi satış noktalarında satılmayı bekleyen stoklar.

Eğer hangi noktada, ne zaman ve ne kadar satılacağını biliyorsanız, stok maliyetlerinizi aşağıya çekerken, müşterilerinizi de malsız bırakmazsınız. Bu sayede nakliyat döngünüzü de ayarlayabilir, maliyetlerinizi kontrol eder, bonus olarak daha karlı bir operasyona sahip olabilirsiniz.

Her zamanki gibi size makine öğrenmesi ile çözüm önereceğim. Organon benzer problemlerin çözümü için Organon AI Platformunu kullanıyor. Intellegent Data Quality (IDQ) ile data kalitesini yükseltiyor, Adaptive Learning ile kurulacak modellerin, gelen verilerle birlikte kendini güncellemesini sağlıyor, Automated Feature Extractin (AFE) ile yeni veriler üretiyor, Automated Data Preparation ile bu verileri el değmeden modellerde kullanılır hale getiriyor, sonuçta Automated Predictive Modelling ile modelleme algoritmalarını çalıştırıyor ve Automated Scoring ile işinizde kullanacağınız şekilde anlık olarak size sunuyor.

Bu çok karışık görünen süreç, aslında eleman ihtiyacı olamadan, teknoloji yatırım olmadan, el değmeden çok kısa sürede hayata geçiyor.

Peki ne işe yarıyor, tekrar yazayım. Gerekirse dış veriyi de kullanarak, müşterinin hangi noktada, ne zaman ne kadar üreteceğiniz ürüne ihtiyacı olduğunu söylüyor. Bunu söylerken mevsimsellik, anlık değişkenler, hava durumuna kadar her şeyi söylüyor. Dolayısıyla bir gün diğerinden farklı olabiliyor.

Siz de ona göre üretimi hızlandırıp yavaşlatıyor, stoğunuzu yönetiyor ve satış noktalarına mal gönderiyorsunuz veya göndermiyorsunuz.

Hatta hinterland olarak olmanız gereken bir noktada olmadığınız için iş kaçırıyorsanız, onu da size söyleyebiliyor.

Alternatifi nedir?

Yıllardır çalıştığınız birkaç bayiye, sence ne kadar satış yaparsın diye sormak, geçen yazı, geçen bayramı ya da geçen haftayı örnek alarak hareket etmek, stoklar fazla gelince indirim kampanyası yapmak olabilir.

Ya da bu sorunları aştığınızı düşünüyorsanız, bir sonraki sayfaya devam edebilirsiniz.

Devrim Pamir

Organon Analytics CEO’su

 

 

 

Bu yazı ilk kez Campaign Türkiye’nin 126. sayısında yayımlanmıştır.